今天，由李開復打造的 AI 大模型創(chuàng)業(yè)公司“零一萬物”發(fā)布了一系列開源大模型：Yi-34B 和 Yi-6B。

Yi-34B 是一個雙語（英語和中文）基礎(chǔ)模型，經(jīng)過 340 億個參數(shù)訓練，明顯小于 Falcon-180B 和 Meta LlaMa2-70B 等其他開放模型。在發(fā)布會中，李開復稱其數(shù)據(jù)采集、算法研究、團隊配置均為世界第一梯隊，對標 OpenAI、谷歌一線大廠，并抱有成為世界第一的初衷和決心。同時，他表示 Yi-34B 是“全球最強開源模型”，其通用能力、知識推理、閱讀理解等多指標均處于全球榜單首位。

零一萬物團隊也進行了一系列打榜測試，具體成績包括：

Hugging Face 英文測試榜單，以 70.72 分數(shù)位列全球第一；

以小博大，作為國產(chǎn)大模型碾壓 Llama-2 70B 和 Falcon-180B 等一眾大模型（參數(shù)量僅為后兩者的 1/2、1/5）；

C-Eval 中文能力排行榜位居第一，超越了全球所有開源模型；

MMLU、BBH 等八大綜合能力表現(xiàn)全部勝出，Yi-34B 在通用能力、知識推理、閱讀理解等多項指標評比中“擊敗全球玩家”；

......

然而，在發(fā)布中，也有一點需要指出，那就是 Yi 系列模型在 GSM8k 和 MBPP 的數(shù)學以及代碼測評方面表現(xiàn)不如 GPT 模型出色。這是因為團隊希望在預訓練階段希望先盡可能保留模型的通用能力，所以訓練數(shù)據(jù)中沒有加入過多數(shù)學和代碼數(shù)據(jù)。后續(xù)他們計劃在開源系列中推出專注于代碼和數(shù)學領(lǐng)域的繼續(xù)訓練模型。

200K 上下文窗口， 能處理 40 萬字文本

值得注意的是，此次開源的 Yi-34B 模型，將發(fā)布全球最長、可支持 200K 超長上下文窗口（context window）版本，可以處理約 40 萬漢字超長文本輸入。這意味著 Yi-34B 不僅能提供更豐富的語義信息，理解超過 1000 頁的 PDF 文檔，還讓很多依賴于向量數(shù)據(jù)庫構(gòu)建外部知識庫的場景，都可以用上下文窗口來進行替代。

相比之下，OpenAI 的 GPT-4 上下文窗口只有 32K，文字處理量約 2.5 萬字。今年三月，硅谷知名 AI 2.0 創(chuàng)業(yè)公司 Anthropic 的 Claude2-100K 將上下文窗口擴展到了 100K 規(guī)模，零一萬物直接加倍，并且是第一家將超長上下文窗口在開源社區(qū)開放的大模型公司。

在語言模型中，上下文窗口是大模型綜合運算能力的金指標之一，對于理解和生成與特定上下文相關(guān)的文本至關(guān)重要，擁有更長窗口的語言模型可以處理更豐富的知識庫信息，生成更連貫、準確的文本。

此外，在文檔摘要、基于文檔的問答等下游任務(wù)中，長上下文的能力發(fā)揮著關(guān)鍵作用，行業(yè)應用場景廣闊。在法律、財務(wù)、傳媒、檔案整理等諸多垂直場景里，更準確、更連貫、速度更快的長文本窗口功能，可以成為人們更可靠的 AI 助理，讓生產(chǎn)力得到大幅提升。然而，受限于計算復雜度、數(shù)據(jù)完備度等問題，上下文窗口規(guī)模擴充從計算、內(nèi)存和通信的角度存在各種挑戰(zhàn)，因此大多數(shù)發(fā)布的大型語言模型僅支持幾千 tokens 的上下文長度。為了解決這個限制，零一萬物技術(shù)團隊實施了一系列優(yōu)化，包括：計算通信重疊、序列并行、通信壓縮等。通過這些能力增強，實現(xiàn)了在大規(guī)模模型訓練中近 100 倍的能力提升。

實現(xiàn) 40% 訓練成本下降

AI Infra（AI Infrastructure 人工智能基礎(chǔ)架構(gòu)技術(shù)）主要涵蓋大模型訓練和部署提供各種底層技術(shù)設(shè)施，包括處理器、操作系統(tǒng)、存儲系統(tǒng)、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、云計算平臺等等，是模型訓練背后極其關(guān)鍵的“保障技術(shù)”，這是大模型行業(yè)至今較少受到關(guān)注的硬技術(shù)領(lǐng)域。

李開復曾經(jīng)表示，“做過大模型 Infra 的人比做算法的人才更稀缺”，而超強的 Infra 能力是大模型研發(fā)的核心護城河之一。在芯片、GPU 等算力資源緊缺的當下，安全和穩(wěn)定成為大模型訓練的生命線。零一萬物的 Infra 技術(shù)通過“高精度”系統(tǒng)、彈性訓和接力訓等全棧式解決方案，確保訓練高效、安全地進行。

憑借其強大的 AI Infra 支撐，零一萬物團隊表示，Yi-34B 模型訓練成本實測下降 40%，實際訓練完成達標時間與預測的時間誤差不到一小時，進一步模擬上到千億規(guī)模訓練成本可下降多達 50%。截至目前，零一萬物 Infra 能力實現(xiàn)故障預測準確率超過 90%，故障提前發(fā)現(xiàn)率達到 99.9%，不需要人工參與的故障自愈率超過 95%，有力保障了模型訓練的順暢進行。

零一萬物背后

今年 7 月，李開復博士正式官宣并上線了其籌組的“AI 2.0”新公司：零一萬物。此前李開復曾表示，AI 大語言模型是中國不能錯過的歷史機遇，零一萬物就是在今年 3 月下旬，由他親自帶隊孵化的新品牌。

在接受外媒采訪時，他談到了創(chuàng)辦零一萬物的動機：“我認為需求是創(chuàng)新之母，中國顯然存在巨大的需求，”“與其他國際地區(qū)不同，中國無法訪問 OpenAI 和谷歌，因為這兩家公司沒有在中國提供他們的產(chǎn)品。因此，我認為有很多人正在努力為市場創(chuàng)造解決方案。這是剛需?！?/p>

眾所周知，構(gòu)建大模型是一項耗資巨大的事業(yè)。為了維持現(xiàn)金密集型業(yè)務(wù)，零一萬物從一開始就制定了商業(yè)化計劃。雖然該公司將繼續(xù)開源其一些模型，但其目標是構(gòu)建最先進的專有模型，作為各種商業(yè)產(chǎn)品的基礎(chǔ)。

李開復表示，他們非常清楚這些大型語言模型需要大量計算，花費巨大?！拔覀兓I集到了大量資金，其中大部分都花在了 GPU 上?！迸c中國其他 LLM 玩家一樣，零一萬物也需要積極儲備 GPU 以應對美國制裁。在發(fā)布會中，李開復表示零一萬物現(xiàn)在的供應至少足以滿足未來 12-18 個月的需求。

美國的制裁也讓中國企業(yè)注重優(yōu)化計算能力，李開復表示：“借助一支非常高質(zhì)量的基礎(chǔ)設(shè)施團隊，每 1000 個 GPU，我們也許能夠從中擠出 2000 個 GPU 的工作負載?！?/p>

從一些報道中，我們可以了解到，零一萬物員工規(guī)模已超過 100 人，半數(shù)是來自國內(nèi)外大廠的 LLM 專家。其中，零一萬物技術(shù)副總裁及 AI Alignment 負責人是 Google Bard/Assistant 早期核心成員，主導或參與了從 Bert、LaMDA 到大模型在多輪對話、個人助理、AI Agent 等多個方向的研究和工程落地；首席架構(gòu)師曾在 Google Brain 與 Jeff Dean、Samy Bengio 等合作，為 TensorFlow 的核心創(chuàng)始成員之一。

零一萬物的商業(yè)化之路很大程度上取決于其為其昂貴的 AI 模型找到適合的產(chǎn)品市場的能力?！爸袊诖竽Ｐ头矫娌⒉活I(lǐng)先于美國，但毫無疑問，中國可以構(gòu)建比美國開發(fā)商更好的應用程序，這主要是因為過去 12 年左右建立的非凡的移動互聯(lián)網(wǎng)生態(tài)系統(tǒng)，”李開復說道。

李開復表示，這家初創(chuàng)公司的最終目標是成為一個外部開發(fā)人員可以輕松構(gòu)建應用程序的生態(tài)系統(tǒng)?！拔覀兊穆氊煵粌H僅是推出好的研究模型，更重要的是讓應用程序開發(fā)變得容易，這樣才能有優(yōu)秀的應用程序，”他說?！皻w根結(jié)底。這是一場生態(tài)系統(tǒng)游戲?！?/p>